.png){kind=icon}
返回
Real-Time ABR Signal Classification Using Machine Learning Techniques: A LabVIEW-Based Implementation
.png){kind=icon}
PRE
AI
DOI：10.1109/TIM.2026.3666024.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
听觉脑干反应（ABR）测试是听觉和神经病学诊断的基石，可提供听觉通路的主观评估。尽管其临床应用广泛，但传统的手动ABR信号分类方法耗时、易受人为错误影响，且依赖高技能人员。本研究提出了一种基于在LabVIEW环境中集成的先进机器学习（ML）技术的ABR信号分类框架。通过结合离散小波变换（DWT）基础特征提取与机器学习模型——支持向量机（SVMs）、逻辑回归（LR）和人工神经网络（ANNs）——该提议的系统实现了高达95.42%的分类准确率。利用国家仪器（NIs）myRIO进行嵌入式处理的硬件—软件架构，提供了自动化的信号采集和分类能力。该自动化系统显著提高了诊断效率，减少了对手动解释的依赖，并提供了可扩展的解决方案，以适应多样化的临床和研究需求。这些发现强调了机器学习在ABR诊断中的变革潜力，为改善听觉和认知障碍的早期检测铺平了道路。
Keyword:
Auditory brainstem response (ABR)
automated classification
digital signal processing
embedded biomedical system
machine learning (ML)
期刊
IF:
5.9
论文数:
2.0W
被引数:
5.8W
机构
引用论文
Multi-transfer learning techniques for detecting auditory brainstem response.png)
APPLIED ACOUSTICS
OAAI
APPLIED ACOUSTICSIF3.6
OAAI分享收藏Automatic Recognition of Auditory Brainstem Response Waveforms Using a Deep Learning‐Based Framework基于深度学习框架的听觉脑干反应波形自动识别OAAI
OAAI分享收藏
查看更多内容